Looking to start a career in Deep Learning? Look no further. This course will introduce you to the field of deep learning and help you answer many questions that people are asking nowadays, like what is deep learning, and how do deep learning models compare to artificial neural networks? You will learn about the different deep learning models and build your first deep learning model using the Keras library. After completing this course, learners will be able to: • describe what a neural network is, what a deep learning model is, and the difference between them. • demonstrate an understanding of unsupervised deep learning models such as autoencoders and restricted Boltzmann machines. • demonstrate an understanding of supervised deep learning models such as convolutional neural networks and recurrent networks. • build deep learning models and networks using the Keras library.
Ce cours fait partie de la Nombre de IBM AI Engineering Certificat Professionnel
Introduction to Deep Learning & Neural Networks with Keras
Offert par
Compétences que vous acquerrez
100 % en ligne
Cours 3 sur 6 dans le
Dates limites flexibles
Niveau intermédiaire
Approx. 10 heures pour terminer
Anglais
Programme du cours : ce que vous apprendrez dans ce cours
Introduction to Neural Networks and Deep Learning
In this module, you will learn about exciting applications of deep learning and why now is the perfect time to learn deep learning. You will also learn about neural networks and how most of the deep learning algorithms are inspired by the way our brain functions and the neurons process data. Finally, you will learn about how neural networks feed data forward through the network.
Artificial Neural Networks
In this module, you will learn about the gradient descent algorithm and how variables are optimized with respect to a defined function. You will also learn about backpropagation and how neural networks learn and update their weights and biases. Futhermore, you will learn about the vanishing gradient problem. Finally, you will learn about activation functions.
Keras and Deep Learning Libraries
In this module, you will learn about the diifferent deep learning libraries namely, Keras, PyTorch, and TensorFlow. You will also learn how to build regression and classification models using the Keras library.
Deep Learning Models
In this module, you will learn about the difference between the shallow and deep neural networks. You will also learn about convolutional networks and how to build them using the Keras library. Finally, you will also learn about recurrent neural networks and autoencoders.
Meilleurs avis pour Introduction to Deep Learning & Neural Networks with Keras
The teaching is not deep enough to solve the Week 5 assignment, please take note you need to plumb in other Keras courses.
Really enjoyed the class, felt that the level of challenge was appropriate. Thanks for making this class available!
Enseignant
Alex Aklson
Ph.D., Data ScientistÀ propos de IBM
À propos du Nombre de IBM AI Engineering Certificat Professionnel
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si je m'abonne à ce Certificat ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours du Certificat, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
